구글, LLM 기반 비디오 생성 모델 ‘비디오포엣’ 공개…디퓨전 없이 10초 연속 영상 구현
구글이 확산 모델 대신 대형언어모델(LLM) 아키텍처를 채택한 멀티모달 영상 생성 모델 ‘비디오포엣(VideoPoet)’을 선보였다. 텍스트·이미지 기반 영상 변환과 오디오 생성을 단일 모델로 통합 처리하며, 왜곡이 적은 10초 길이의 역동적이고 일관된 영상을 생성해 낸다.
구글이 확산 모델 대신 대형언어모델(LLM) 아키텍처를 채택한 멀티모달 영상 생성 모델 ‘비디오포엣(VideoPoet)’을 선보였다. 텍스트·이미지 기반 영상 변환과 오디오 생성을 단일 모델로 통합 처리하며, 왜곡이 적은 10초 길이의 역동적이고 일관된 영상을 생성해 낸다.